VarifocalNet: An IoU-aware Dense Object Detector

分享人：宋品皓
研究方向：目标检测
论文题目：VarifocalNet: An IoU-aware Dense Object Detector
论文作者：Haoyang Zhang , Ying Wang , Feras Dayoub , Niko Sunderhauf
作者单位：澳大利亚机器视觉中心、昆士兰科技大学、昆士兰大学
论文摘要：对大量候选检测进行准确排序对于密集目标检测器实现高性能至关重要。之前的工作使用分类分数或分类和预测本地化分数的组合对候选框进行排名。然而，这两个选项都不会导致可靠的排名，从而降低检测性能。在本文中，我们建议学习Iou感知分类分数（IACS），作为对象存在可信度和定位精度的联合表示。我们表明，基于IACS的密集目标检测器可以实现更精确的候选检测排序。我们设计了一个新的损失函数，称为变焦距损失，用来训练密集目标检测器来预测IACS，并提出了一种新的星形包围盒特征表示，用于IACS预测和包围盒细化。结合这两个新组件和边界框细化分支，我们构建了一个基于FCOS+ATSS架构的IoU感知密集对象检测器，简称VarifocalNet或VFNet。在MS COCO上进行的大量实验表明，我们的VFNet在不同的主干上始终超过强基线2.0 AP。我们最好的型号VFNet-X-1200和Res2Net-101-DCN在COCO测试设备上实现了55.1的单模型单标度AP，这在各种目标探测器中是最先进的。
原文链接：

点击此处